引言
信息通讯技术的迅速发展促进了大量新数据的涌现。由大数据和开放数据构成的新数据环境正逐渐形成,为城市研究和规划设计带来了全新的机遇与挑战。区别于过去传统的统计年鉴等数据,本文提及的“新数据”特指十年前未被广泛使用的数据。
新数据在成为规划行业重要工具的同时影响着规划理念的创新。自2013年以来,有关数据在规划中应用的研究思潮如雨后春笋般出现,诞生了如“大数据与小规划”、“众筹众包众创”、“微时代与云规划”、“数据增强设计”、“大模型”等思潮。基于新数据开展规划分析、规划评估、辅助设计和模拟预测成为了技术视角的规划转型主要 探索 方向。
篇幅有限,本文主要采用近几年所进行的研究与应用作为案例。
数据获取、管理与平台
2.1 数据获取
2.1.1数据类型与特征
首先对大数据和开放数据进行辨析。开放数据(open data)指的是一种经过挑选与许可的,不受著作权、专利权以及其他管理机制所限制的,开放给 社会 公众自由出版使用的数据。大数据起源于21世纪以来互联网信息技术的发展。目前关于大数据较为广泛认可的是应具有“5V”特征——Volume(数据量),Variety (多样性),Velocity(速度),Veracity(真实性),Value(价值)。大数据种类多且价值高,但真正投入规划行业使用的数据类型却相对较少,主要有公交卡数据、LBS数据、浮动车数据及手机数据等。
大数据与开放数据共同构成了当下的新数据环境。受限于数据获取成本与途径等各种原因,目前存在着“大数据不开放,开放数据不大”的现象,制约了城市研究及规划实践对数据的获取与运用。
2.1.2新数据在城市规划中的价值
(1)城市基础数据覆盖范围的扩大
(2)编制手段的革新
(3)参与方式的扩充
2.1.3新数据获取的 探索
2.2 数据管理
针对不同数据源,需要运用不同类型数据库进行存储。其中结构化数据主要运用传统的关系型数据库如Oracle、MySql、SQL Server等,半结构化数据则采用非关系型数据库如HBase等,非结构化数据则需采用Text、HDFS等进行储存。对于数据量较大的新数据,如公交刷卡数据、LBS位置数据等,需要开发专门的平台进行管理。此外还有较常见的为大数据行业广泛使用的Hadoop、Spark等大数据管理平台。但这些平台并非针对规划行业搭建的数据管理平台,因而在应用前还需要作相应的改造。
2.3 数据平台
目前已有各式各样的规划数据平台为不同组织所运用,其组织构成框架大同小异,主要包括数据处理平台、规划应用平台、城市画像平台及规划支持平台四大部分(表1)。
目前,专门针对规划行业的综合数据平台正不断兴起。人迹地图规划分析平台、徐霞客计划、BCL数据共享平台是其中较为典型的三类(表2)。它们使用了不同的数据源,具有不同的应用领域,但均具有数据处理、城市研究与规划支持的功能意义。
城市研究
3.1 城市研究新范式
伴随着时空尺度的扩展,新数据为城市研究带来了新范式,龙瀛等将其提炼为“大模型”。 “大模型”是一种在大范围地理区域上建立的相对精细尺度的城市、区域分析与模拟模型。与传统城市与区域模型相比,大模型由大规模数据驱动,能够兼顾研究精度与尺度(图2右:大空间、细精度)。
在应用方面,“大模型”目前主要有以下几个方向:一是进行大中小各种尺度城市的分析(图3);二是从人的视角进行精细化分析与模拟(图4);三是将城市内尺度汇总的指标与宏观城市指标进行计量分析,以丰富城市理论(图5)。
3.2 基于开放数据的研究
针对不同的开放数据,城市研究者展开了不同的研究。如政府开放数据、微博数据、LBS数据等等。总体而言,尽管业内已有一定技术积累与学术成果,但基于开放数据的研究仍处于起步阶段。由于数据精确度与数据量大小问题,该领域的研究仍有较大的发展提升空间。
3.3 基于大数据的研究
业内主要运用到的大数据有公交一卡通刷卡记录数据、手机信令数据、智能手机LBS数据等。这种数据起源于基于智能卡的公共交通自动计费系统,它记录了持卡者的出行行为,同时也在个体维度揭示了城市空间的使用模式。其次是手机信令数据。手机信令数据能在落实到个体的时空行为精度基础上兼顾更广的覆盖范围,是一种近乎全样本、全覆盖的数据。此外还有通过与TalkingData合作获得的基于智能手机APP采集的LBS和用户标签数据等。
规划应用
4.1 认识城市规律——理解
然而,尽管新数据拥有许多优点,仍存在数据有偏性明显、缺乏个体 社会 经济属性等不可规避的缺陷。新数据虽长于分析城市现象中的特征关系,却短于揭示现象背后的原因。
4.2 规划编制——创造
龙瀛与沈尧在 “大模型”的基础上提出了“数据增强设计”(DAD,Data Augmented Design)。它是一种以细尺度设计为基础,同时对各个尺度效应进行精准了解与评估的设计模式,是“大模型”理念在规划设计方面的深化与发展。它以定量城市分析为驱动,通过数据分析、建模、预测等手段,为规划设计的全过程提供调研、分析、方案设计、评价、追踪等支持工具(图6),以提高设计的科学性,激发规划设计人员的创造力。
DAD从本质上与过去的计算机辅助设计(CAD)及地理信息系统(GIS)一致,是一种新的规划设计辅助方式。其设计框架主要由大尺度城市设计的时间、空间与人三维度构成(图7)。其中,每个维度都可以细分为尺度与粒度两个刻画指标(图8),并能在尺度与粒度间自如调度。
在具体实践方面,DAD理念已在增量设计案例北京副中心和雄安的总体城市设计及存量设计案例上海城市设计挑战赛中得到应用。对于增量设计而言,DAD可起到 探索 规律、辅助设计的作用。其中,“城市生长基因”方法可用于数据稀缺场地,如北京副中心城市规划设计。借鉴“城市生长基因”,该项目从 历史 数据中 探索 “城市生长基因”,从而对北京未来城市形态和活力展开定量分析与预测。此外,该项目还通过 探索 其他目标相似的城市“生长基因”,从中总结一般性规律并提取模式,以支持新区设计方案的评价和优选(图9)。
对于存量设计而言,DAD还可以提供有助于沟通协作的信息平台。以曹哲静等人在上海衡复城市设计竞赛中的作品为例。该项目的基地在上海衡复 历史 街区,涉及多主体、多产权、多价值观的碰撞与融合。因而该项目在多维数据的帮助下搭建了测度空间数据的动态反馈平台,沟通了设计主体与客体,为空间干预制造了反馈机制。
4.3 规划设计评价——评估
城市规划云平台:存量规划时代新的规划形式与技术基础
5.1 规划行业未来方向:数据平台支持下的人本主义存量规划
数据化与平台化对规划行业的革命性意义不言而喻,如何顺应并利用DT(Data Techonology)时代成为规划行业内部亟待自我升级与变革的关键命题。如今,传统规划院的部分业务已具备平台化的条件,具有经济价值的案例业已出现。北京市城市规划设计研究院搭建的城市规划云平台CITYIF正是其中一例。
5.2 城市规划云平台的内容与组成
城市规划云平台是北京市城市规划设计研究院于2014年搭建的服务于政府、市民、规划师的云平台。该平台可分为数据云平台、智慧云平台和动力云平台三个部分,目的在于实现数据汇集、智慧汇集和动力汇集三大功能。
(1)数据云
数据云的任务是实现互联网上微小元素的集成,包括所有新数据以及提供驱动新数据的技术、工具和应用系统。
(2)智慧云
智慧云的任务为构建规划师之间智慧汇集与分享的平台。目前,已有微博、微信、网络论坛、虚拟社区等分享平台。智慧云的任务是在这些平台的基础上建立知识库与智库。
(3)动力云
动力云旨在实现规划众包、动力汇集与公众参与的全 社会 化与全过程化。云平台将促成更多自下而上的微动力通过汇聚。它是自上而下与自下而上的联系平台,更是各方面各层次动力的汇集平台。
结论与建议
6.1 收获与经验
正如前文所述,新数据已应用在城市规划与研究的方方面面。对于城市规划来说,新数据既是资源 探索 ,更是研究范式,还引发了理念创新,在实践中形成了应用系统。下面将对近几年在这几个方面的收获与经验进行简单的总结:
(1)资源 探索
新数据对于城市规划与研究而言,首先是一种资源。相对于传统数据而言,新数据具有样本量大、动态性、时效性、精细化、多样化等特点,在个体行为捕捉、样本容量、研究尺度、趋势预测、规律发现等方面更具优势。经过几年的 探索 ,业内掌握一定的智能获取多源数据的技术方法。对于规划行业如何与互联网公司合作等现实问题上亦有一定的思考成果。
(2) 研究范式
除了资源外,新数据同样为城市研究带来范式革新。基于新数据环境,笔者将新数据驱动下产生的城市研究新范式提炼为“大模型”。“大模型”能兼顾研究的尺度与粒度,因而它在保证研究粒度的前提下,为城市定量研究带来了尺度的拓展。
(3) 理念创新
伴随着新数据在城市规划实践中的应用,一些新的理念诞生,如数据增强设计(DAD,Data Augmented Design)、人本尺度城市形态(human-scale urban form)、街道城市主义(Street Urbanism)以及图片城市主义(Picture Urbanism)等。这些理念在实际的规划设计中也已有所应用,如北京副中心城市规划设计、雄安总体城市设计及上海城市设计挑战赛衡复 历史 片区更新改造等。在实践中更是诞生了如“城市生长基因”等可直接应用于规划设计的理念细分。
(4)应用系统
基于新数据的规划综合应用平台同样是规划行业拥抱新数据的收获与积累。其中,北规院搭建的城市规划云平台CITYIF是较典型的一例。此系统实现了规划师、政府及市民的在线互动,是真正意义上基于“互联网+”与多源数据的公众参与辅助平台。
6.2 教训
新数据为城市规划与研究带来新视角、新动力的同时,也由于数据使用不规范带来了一系列经验教训。在城市研究方面,主要面临的教训是数据使用方法不当产生的“大错误”及一系列道德伦理问题。首先是数据质量及使用方法,如数据收集失真、数据缺失、数据不具备代表性、一致性及可靠性等问题所带来的“大错误”(big error);其次是伦理道德、个人隐私的问题。在城市规划实践领域同样出现了盲目使用数据,为数据而使用数据的现象,方法严谨性的考究不足使得最终的结果良莠不齐。
总体而言,这些问题的产生与不科学、不规范的数据收集与处理过程有关。不能科学使用数据,就无法科学指导城市规划研究与应用,因此我们必须从中吸取以下几点教训:(1)数据处理、分析方法的科学性;(2)数据供应方的合作模式;(3)不能完全摒弃传统数据采集方式;(4)数据的多源校验;(5)研究伦理的审查。
6.3 对未来发展的判断
新数据环境为存量规划时代中的精细化人本主义规划提供了支持,规划行业头一次具备了进行人本主义规划实践的条件。然而当下利用新数据所进行的城市研究与规划应用多还处于现象描述、特征提取阶段。未来对新数据的进一步运用势必需要进一步的数据挖掘与分析方法进步。在下一阶段,机器学习与人工智能介入城市规划行业势在必得。
因而在此背景下,规划行业改革迫在眉睫。这种改革不同于往日引进CAD、GIS之类的技术革新,而是从方法论上重新构建城市规划的理论基础、编制办法、技术指标与评价体系。但是这种改革单凭规划师群体难以实现,因而整个规划行业也要做好开放与联合行业外资源的准备。
笔者有理由相信,在不久的未来,大数据将不再是少数具有数据科学技能的城市研究者的专属物,而是像CAD和地形图一样每个规划师都会用,能投入生产的生产资料。而这也是数据时代下城市规划行业的自我变革与更新结果。